680 artigos
Este estudo demonstra que falhas de robôs do tipo "erro" (como pegar ou colocar objetos incorretos) são menos prejudiciais à confiabilidade percebida do que falhas físicas ou de congelamento, e que sucessos subsequentes são suficientes para recuperar a confiança dos usuários sem necessidade de reparos sociais explícitos.
Este artigo apresenta um novo framework hierárquico de controle preditivo com leis adaptativas indiretas que permite a robôs quadrúpedes transportar cargas estáticas e dinâmicas desconhecidas em terrenos acidentados com alta estabilidade e desempenho superior em comparação a métodos convencionais.
Este artigo apresenta o SEP-NMPC, um framework de controle preditivo não linear que integra desigualdades de passividade e funções de barreira de ordem superior para garantir estabilidade e segurança em tempo real no transporte de cargas suspensas por drones em ambientes com obstáculos.
O artigo apresenta o \textsc{applv}, um método que utiliza modelos Visão-Linguagem-Ação para prever e adaptar automaticamente os parâmetros de planejadores de navegação clássicos, superando as limitações de generalização e controle preciso de abordagens anteriores em ambientes restritos.
Este artigo propõe uma abordagem inovadora chamada Adaptive SINDy, que integra a identificação de sistemas não lineares esparsos (SINDy) com controle adaptativo de mínimos quadrados recursivos (RLS) para rejeitar perturbações de vento em UAVs, demonstrando superioridade em precisão de rastreamento de trajetória em comparação com controladores PID e INDI em ambientes turbulentos reais e simulados.
Este estudo demonstra que modelos centrados apenas no canal, como simuladores de rastreamento de raios, falham em prever com precisão o desempenho de ponta a ponta em redes 5G privadas devido à superestimação das camadas espaciais MIMO, enquanto abordagens baseadas em dados, como regressão por processos gaussianos, oferecem previsões de throughput muito mais precisas ao aprender diretamente do comportamento real do sistema.
O artigo apresenta o PSANE, um framework de navegação ativa e exploração segura para robôs com pernas em ambientes planetários desconhecidos com terrenos deformáveis, que utiliza medições proprioceptivas de interação entre perna e terreno para aprender um modelo de transitoabilidade, identificar fronteiras de exploração e planejar trajetórias seguras sem depender de sensores remotos como visão.
Este artigo apresenta um sistema de localização magnética sem infraestrutura que permite a um UAV leve rastrear e pousar com precisão de centímetros em um robô quadrúpede móvel, utilizando apenas um sensor magnético embarcado e fusão de dados para habilitar a colaboração autônoma entre drones e veículos terrestres em ambientes desconhecidos.
Este artigo propõe um método de predição conformal adaptativa e consciente da formação, baseado em Risk-Aware Mondrian CP, para garantir a segurança e a visibilidade em sistemas multi-robô líder-seguidor ao gerar limites de incerteza que se ajustam dinamicamente às configurações de risco, resultando em taxas de sucesso e precisão de rastreamento superiores em simulações.
O artigo apresenta o FAME, um framework de aprendizado por reforço adaptativo a forças que melhora significativamente o equilíbrio de um humanoide em pé durante manipulações bimanuais, permitindo a adaptação online a forças de interação sem a necessidade de sensores de torque no pulso.
O artigo apresenta o SurgCalib, um framework automático e sem marcadores baseado em Gaussian Splatting para calibração mão-olho no robô cirúrgico da Vinci, que supera as limitações de medições proprioceptivas e de esterilidade ao refinar a pose do instrumento cirúrgico através de um pipeline de renderização diferenciável com restrição de ponto de rotação (RCM).
Este artigo apresenta três melhorias para transformar a mão robótica Inspire RH56DFX de um dispositivo de caixa preta em uma ferramenta científica: caracterização de hardware, um modelo MuJoCo validado para planejamento de preensão e um controlador híbrido de força-velocidade, os quais foram validados com sucesso em tarefas de inserção e apreensão de objetos diversos.
Este trabalho apresenta o algoritmo CMA-ES-IG, que melhora a aprendizagem de preferências de usuários não especialistas em robótica ao incorporar considerações de experiência do usuário na geração de consultas, resultando em maior escalabilidade, robustez a ruídos e preferência dos usuários em comparação com métodos existentes.
O artigo apresenta o PlayWorld, um pipeline autônomo e escalável que treina simuladores de mundo de vídeo de alta fidelidade a partir de interações não supervisionadas de robôs, superando as limitações de dados humanos para prever interações físicas complexas e melhorar significativamente o desempenho de políticas de aprendizado por reforço no mundo real.
O artigo apresenta o ImpedanceDiffusion, um framework hierárquico que utiliza planejamento de trajetória global baseado em difusão, campos potenciais artificiais e controle de impedância variável semântico para permitir navegação segura e adaptativa de enxames de drones em ambientes internos desordenados, alcançando uma taxa de sucesso de 92% em testes reais.
Este artigo apresenta o modelo GF-BiLSTM, uma rede de fusão em duas correntes que integra adaptativamente amplitude e fase do CSI de Wi-Fi para reconhecimento de atividades robóticas, demonstrando que a inclusão da fase melhora significativamente a precisão e a robustez em relação à velocidade em comparação com métodos baseados apenas em amplitude.
Este artigo apresenta um manipulador móvel bimanual de baixo custo (menos de US$ 1.300) baseado no projeto XLeRobot, que integra computação embarcada com GPU NVIDIA Jetson Orin Nano e um design mecânico otimizado para permitir operação autônoma e teleoperada sem dependência de cabos externos.
O artigo propõe o método "Quality over Quantity" (QoQ), que utiliza funções de influência para identificar e selecionar sistematicamente demonstrações de alta qualidade em aprendizado de robótica, melhorando o desempenho da política ao priorizar a contribuição de cada amostra na redução do erro de validação em vez de apenas aumentar o volume de dados.
Este trabalho apresenta um novo framework que estima trajetórias 3D e classifica drones diretamente de vídeos da internet sem anotações manuais, utilizando aquisição orientada por linguagem, geração de rótulos multimodal e refinamento baseado em física, demonstrando eficácia em tarefas de anti-drones através de transferência zero-shot que melhora com a escala de dados.
Este artigo apresenta um framework de controle de alto deslizamento para veículos automatizados que, ao ativamente excitar a região de atrito máximo durante operações de carga vazia em cenários de acompanhamento, permite a estimativa precisa e segura do coeficiente de atrito pneu-estrada para a triagem viária escalável.